onlinebme
🌐 #هوش_مصنوعی برای کسب و کار #حیاتی است، اما گلوله #جادویی نیست!!🧐 ➖➖➖➖ ✔️ @OnlineBME
✅هوش مصنوعی، یادگیری ماشین و مباحث علم اطلاعات: کدام الگوریتم ها را مدیریت خواهند کرد؟
👨💻 نویسنده: محمد نوری زاده چرلو
✍ هوش مصنوعی و یادگیری ماشین در یک کلیپ سریع اتخاذ می شوند، تازه سردردهای مدریریتی شروع میشوند! ☹️
هوش مصنوعی و یادگیری ماشین در یک کلیپ سریع به کار گرفته میشوند و احتمال بکارگیری آنها در سال 2019 افزایش می‌یابد.
خب چالش بعدی کسب و کار چیست؟ حال چطور مدیریت تکنولوژی‌ای که احتمالا از آن چیزی نمی‌فهمیم را انجام دهیم ؟ 🤔
این مسئله احتمالا در سال آینده مطرح خواهد شد. در حال حاضر، بسیاری از ما به این فکر می کنیم که بیشتر الگوریتم ها بهتر می شوند و حتی فرض می کنیم که ما می توانیم افکار انتقادی را به مدلها انتقال دهیم. چرا باید مغز خود را اذیت کنیم، وقتی می توانیم به اینشتین، واتسون، الکسا، دستیارگوگل و دیگر ابزارهای نرم افزاری اعتماد کنیم تا به جای ما فکر کنند!؟
بر اساس گزارش IDC، هزینه های جهانی در زمینه #هوش_مصنوعی و فن آوری های #شناختی در سال 2018 به 19.1 میلیارد دلار خواهد رسید که نسبت به سال قبل 54.2 درصد افزایش یافته است. تا سال 2021 AI و هزینه های شناختی 52.2 میلیارد دلار خواهد بود. اگر شما در مورد AI سرمایه گذاری نمی کنید، شاید نیاز به کمک برخی از دستیارهای-کامپیوتری برای تنظیم بودجه خود داشته باشید.
و این یک بررسی واقعیت است: همه پیاده سازی های AI به خوبی انجام نمی شود. چرا؟ بخاطر اینکه مدیریت هوش مصنوعی ممکن است یکی از بزرگترین چالش های کسب و کار در سال آینده باشد. AI مانند بسیاری از فناوری های سازمانی مانند ERP، CRM، HCM خواهد بود و نمی تواند یک گلوله جادویی باشد.
🌀 منبع:
https://www.zdnet.com/article/the-ai-machine-learning-and-data-science-conundrum-who-will-manage-the-algorithms/
#خبر
#هوش_مصنوعی
#علوم_شناختی
#مهندسی_پزشکی
#یادگیری_ماشین
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME
👨💻 نویسنده: محمد نوری زاده چرلو
✍ هوش مصنوعی و یادگیری ماشین در یک کلیپ سریع اتخاذ می شوند، تازه سردردهای مدریریتی شروع میشوند! ☹️
هوش مصنوعی و یادگیری ماشین در یک کلیپ سریع به کار گرفته میشوند و احتمال بکارگیری آنها در سال 2019 افزایش می‌یابد.
خب چالش بعدی کسب و کار چیست؟ حال چطور مدیریت تکنولوژی‌ای که احتمالا از آن چیزی نمی‌فهمیم را انجام دهیم ؟ 🤔
این مسئله احتمالا در سال آینده مطرح خواهد شد. در حال حاضر، بسیاری از ما به این فکر می کنیم که بیشتر الگوریتم ها بهتر می شوند و حتی فرض می کنیم که ما می توانیم افکار انتقادی را به مدلها انتقال دهیم. چرا باید مغز خود را اذیت کنیم، وقتی می توانیم به اینشتین، واتسون، الکسا، دستیارگوگل و دیگر ابزارهای نرم افزاری اعتماد کنیم تا به جای ما فکر کنند!؟
بر اساس گزارش IDC، هزینه های جهانی در زمینه #هوش_مصنوعی و فن آوری های #شناختی در سال 2018 به 19.1 میلیارد دلار خواهد رسید که نسبت به سال قبل 54.2 درصد افزایش یافته است. تا سال 2021 AI و هزینه های شناختی 52.2 میلیارد دلار خواهد بود. اگر شما در مورد AI سرمایه گذاری نمی کنید، شاید نیاز به کمک برخی از دستیارهای-کامپیوتری برای تنظیم بودجه خود داشته باشید.
و این یک بررسی واقعیت است: همه پیاده سازی های AI به خوبی انجام نمی شود. چرا؟ بخاطر اینکه مدیریت هوش مصنوعی ممکن است یکی از بزرگترین چالش های کسب و کار در سال آینده باشد. AI مانند بسیاری از فناوری های سازمانی مانند ERP، CRM، HCM خواهد بود و نمی تواند یک گلوله جادویی باشد.
🌀 منبع:
https://www.zdnet.com/article/the-ai-machine-learning-and-data-science-conundrum-who-will-manage-the-algorithms/
#خبر
#هوش_مصنوعی
#علوم_شناختی
#مهندسی_پزشکی
#یادگیری_ماشین
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME
ZDNet
The AI, machine learning, and data science conundrum: Who will manage the algorithms?
Artificial intelligence and machine learning are being adopted at a rapid clip, and the management headaches are just about to begin.